Salesforce Einstein : prévisions trimestrielles, acheminement des requêtes et prédictions sans code dans les enregistrements

Utilisez les Prévisions Einstein avec un planning de prévision trimestriel. Enregistrez automatiquement les valeurs des champs prédits dans des requêtes avec la Classification des requêtes Einstein. Écrivez automatiquement des scores de prédiction Einstein Discovery pour une sélection de champs Salesforce sans code.

Voici la liste des fonctionnalités Einstein qui aident Salesforce à offrir le CRM le plus intelligent au monde.

Salesforce globalement

Augmentation de la productivité avec les résultats de recherche personnalisés (bêta)

Vous souhaitez accélérer la recherche avec des résultats adaptés à votre façon unique de travailler dans Salesforce ? La personnalisation de la recherche est disponible. Elle permet d'éclaircir les résultats en basant la recherche sur les informations les plus importantes pour vous, notamment les emplacements géographiques, les secteurs d'activité, les statuts, les familles de produits et les personnes.

Éclatement de la case de recherche avec les résultats instantanés avancés (bêta)

Les résultats instantanés avancés convertissent la case de recherche globale en plate-forme de productivité suralimentée. Cliquez sur la case de recherche pour accéder instantanément aux aperçus d'enregistrement, aux actions d'enregistrement au niveau de la page, aux liens rapides de liste associée et aux recherches suggérées.

Création de rapports instantanés avec tous les filtres appropriés avec la recherche conversationnelle (bêta)

Vous ne trouvez pas un rapport et vous n'avez pas le temps d'en créer un ? La recherche conversationnelle permet d'accéder instantanément aux données importantes en convertissant vos termes de recherche en filtres d'enregistrement. Il suffit de saisir des termes de recherche qui reflètent la façon dont vous lancez une conversation. Par exemple, saisissez « mes requêtes fermées ce mois » pour afficher la liste de vos récentes requêtes ayant un statut Fermé.

Accélération de la recherche de l'enregistrement approprié avec le résultat recommandé (bêta)

Le résultat recommandé accélère l'accès à l'enregistrement approprié lorsque nous savons ce que vous recherchez. Cela est comparable au marquage de votre bagage avec une couleur vive pour l'identifier rapidement au carrousel des aéroports.

Professionnalisation des profils avec des présentations de résultat de recherche spécifiques au profil (bêta)

Les résultats de recherche renvoient les informations qui comptent. Si vous êtes commercial, connaître le nom du propriétaire et du secteur d'activité du compte est essentiel. Si vous êtes agent de service, le niveau de support du compte est une information incontournable. Grâce aux présentations spécifiques au profil, vous pouvez adapter les présentations de résultat de recherche d'un objet à chaque profil unique au sein de votre organisation. Les présentations spécifiques au profil sont prises en charge uniquement par les objets qui ont des présentations personnalisables. Les utilisateurs auxquels aucune présentation spécifique au profil n'a été attribuée affichent la présentation par défaut pour les résultats de recherche.

Ventes

Prévisions Einstein : prise en charge des prévisions trimestrielles (globalement disponible)

Si vous utilisez le calendrier des prévisions trimestrielles, vous pouvez désormais bénéficier de la puissance d'Einstein pour améliorer la précision des prévisions, prédire les résultats et suivre les performances des équipes commerciales.

Score des pistes Einstein : contrôle des pistes qui obtiennent un score

Votre équipe commerciale souhaite-t-elle connaître le score de certaines pistes seulement ? Indiquez à Einstein d'établir un score uniquement pour les pistes qui contiennent des valeurs de champ spécifiques. Par exemple, si votre équipe commerciale ne souhaite connaître que le score des pistes dans le secteur des télécommunications, demandez à Einstein d'inclure uniquement ces pistes.

Contacts automatisés Einstein : affichage uniquement des données de contact auxquelles vous avez accès

Les suggestions Rôle du contact de l'opportunité respectent désormais la sécurité au niveau du champ de l'objet Contact. Les commerciaux qui n'ont pas accès aux champs d'un contact, notamment Adresse e-mail, Fonction ou Téléphone, ne peuvent plus les afficher dans le composant Einstein ou les vues de liste. Les commerciaux ne voient pas non plus les valeurs de champ de contact des enregistrements auxquels ils n'ont pas accès. Enfin, lorsque la page de détail des suggestions de Rôle de contact d'opportunité est affichée, les champs de contact ne sont pas affichés. Pour afficher les champs d'un contact, accédez à l'enregistrement du contact.

Capture d'activité Einstein : choix des éléments à capturer et à synchroniser

Contrôlez davantage les données d'e-mail qui sont capturées. Utilisez la liste Adresses exclues pour empêcher la synchronisation des données. Les commerciaux peuvent également synchroniser des séries d'événements.

Ajout des scores d'opportunité à des rapports standard

Utilisez des rapports standard pour analyser les opportunités à partir des scores d'opportunité. Auparavant, vous pouviez utiliser les scores d'opportunité uniquement avec des types de rapport personnalisés.

Ajout de facteurs de modèle à vos types de rapport personnalisés sur les opportunités

Déterminez avec précision les facteurs qui influencent vos scores d'opportunité. Les facteurs utilisés pour créer le modèle de score des opportunités sont désormais disponibles dans des types de rapport personnalisés.

Utilisation de l'API SOAP pour accéder aux informations sur le modèle de score des opportunités

Nous avons introduit deux nouveaux objets pour le Score des opportunités Einstein. Utilisez les objets SalesAIScoreCycle et SalesAIScoreModelFactors pour récupérer des informations sur les scores des opportunités et leurs facteurs.

Service

Arrêt automatique des discussions par le robot

Élaborez des robots qui font le ménage ! Utilisez une action Arrêter la discussion pour ajouter des conditions qui aident le robot à détecter la fin naturelle d'une conversation et à fermer automatiquement la session au nom du visiteur.

Amélioration des transferts du robot en confirmant la disponibilité de l'agent

La collaboration entre les robots et les agents est plus efficace, et nous avons augmenté la précision des transferts avec une vérification préalable de la disponibilité des agents. Définissez des messages personnalisés pour informer le client du statut d'un transfert.

Amélioration de vos compétences avec le carrousel d'aide à la configuration des robots

Recevez les contenus d'aide les plus pertinents sur les Robots Einstein à l'aide d'un carrousel dans l'écran de Configuration. Accédez à des recettes de robot, à des conseils de dépannage et aux meilleures pratiques.

Analytics

Déploiement de prédictions dans des enregistrements Salesforce sans écriture de code (globalement disponible)

Vous pouvez écrire automatiquement des scores dans une sélection de champs Salesforce sans écrire de code. Intégrez aisément des prédictions sans impliquer le Générateur de processus ou un package géré avec un déclencheur.

Obtention de la meilleure prédiction entre deux modèles différents (pilote)

Auparavant, Einstein Discovery s'appuyait sur des modèles de régression pour prédire des résultats. Einstein Discovery ajoute désormais un deuxième type de modèle basé sur une approche d'optimisation de la prédiction appelée algorithme d'apprentissage gradient boosting. Lorsque vous créez un récit, Einstein Discovery génère des prédictions en utilisant les deux types de modèle et affiche les résultats du modèle le plus pertinent. Vous obtenez la meilleure des deux approches.

Surveillance de la précision des modèles déployés en temps réel (globalement disponible)

Évaluez la précision de vos modèles logistiques en comparant visuellement les résultats prédits aux résultats réels. Utilisez ensuite ces informations pour affiner votre modèle et produire de meilleures prédictions. Un résultat réel désigne des données qui ne sont pas susceptibles de changer, car ayant atteint leur état terminal. Par exemple, la date d'expédition d'une commande est une donnée finale. Définissez les conditions dans lesquelles la variable de sortie de votre récit a atteint son état terminal. Ainsi, Einstein Discovery connaît le résultat à inclure dans l'analyse de performance.

Amélioration de vos modèles en comparant des métriques

Dans les Métriques de modèle, vous pouvez désormais afficher parallèlement les métriques de plusieurs modèles. Déterminez comment les modèles de métrique se comportent les uns par rapport aux autres. Comparez les segments afin d'identifier les variables plus importantes de chaque segment. Utilisez les connaissances recueillies pour améliorer vos modèles et générer de meilleures prédictions.

Amélioration de la précision des modèles avec des seuils cibles

Lors du développement d'un modèle pour un champ catégoriel, vous pouvez définir un seuil optimal qui représente la limite pour les deux compartiments que vous prédisez. Vous pouvez par exemple spécifier un ratio de coût entre les faux positifs et les faux négatifs. Einstein Discovery identifie ensuite un seuil optimisé pour le cas métier associé à votre récit. La valeur du seuil représente un compromis entre les taux de vrai positif et faux positif.

Accélération de la création de récits avec la configuration automatisée

Laissez Einstein Discovery sélectionner les meilleures données à analyser en fonction de l'objectif de votre récit. Il recherche dans votre jeu de données, choisit les colonnes corrélées au résultat et exclut les colonnes qui n'ont aucune corrélation. Une fois votre récit créé, vous pouvez changer manuellement les sélections de colonne.

Amélioration de vos prédictions en analysant la précision au fil du temps

Vous pouvez désormais surveiller la qualité des prédictions des nouveaux modèles au fil du temps, puis utiliser cette information pour affiner votre modèle et produire de meilleures prédictions. Vous pouvez surveiller la précision des prédictions pour les régressions logistique et linéaire.

Visualisation des performances des modèles avec un graphique de tracé des résidus

Pour les modèles de régression logistiques dans lesquels la variable de sortie est un champ de texte, un nouveau graphique de tracé des résidus révèle la robustesse de votre modèle. Un résidu représente la différence entre la valeur prédite du modèle et la variable de sortie réelle. Un résultat réel désigne des données qui ne sont pas susceptibles de changer, car ayant atteint leur état terminal. Le nombre d'articles qu'un client reçoit dans une livraison est un exemple de donnée finale. Définissez les conditions dans lesquelles la variable de sortie de votre récit a atteint son état terminal. Ainsi, Einstein Discovery connaît le résultat à inclure dans le graphique de tracé.

Retrait des variables biaisées de votre modèle

Les modèles élaborés avec des variables biaisées peuvent produire des prédictions trompeuses. Par exemple, avec l'impact différent, les données reflètent des pratiques discriminatoires par rapport à une démographie particulière, par exemple les inégalités de salaire de départ entre les hommes et les femmes. Einstein Discovery vous alerte si des variables sont traitées de façon inéquitable dans votre modèle. Vous pouvez retirer les biais d'impact différent de vos prédictions afin de produire des modèles plus éthiques et responsables.

Accélération de la création de récits avec des connaissances uniquement descriptives

Si vous souhaitez extraire de vos données uniquement des connaissances décrivant ce qu'il s'est passé, vous pouvez ignorer l'analyse prédictive de votre jeu de données. La création de récits est plus rapide, car Einstein Discovery ne génère pas de prédictions ni d'améliorations. Une fois votre récit créé, vous pouvez ajouter manuellement une analyse prédictive si vous changez d'avis.

Actualisation de vos récits avec les mises à jour de jeux de données

Lorsque les données du jeu de données source changent, vous pouvez désormais analyser les données mises à jour au lieu du cliché instantané capturé à la création du récit. Lorsque vous ouvrez un récit, Einstein Discovery vous notifie des modifications apportées aux colonnes ou aux lignes. Auparavant, un récit était toujours épinglé au cliché instantané des données d'origine.

Analyse de données de rapport plus nombreuses avec les Connaissances des données Einstein

Les limites des Connaissances de données Einstein ont été augmentées. Vous pouvez désormais créer des connaissances à partir de rapports contenant jusqu'à 500 000 lignes et 50 colonnes de données. Vous pouvez en outre créer jusqu'à 1000 analyses de Connaissances de données Einstein par organisation et par jour.

Création de récits en utilisant des jeux de données avec des prédicats

Einstein Discovery peut désormais analyser les jeux de données Einstein Analytics avec des prédicats de sécurité au niveau de la ligne et des règles de partage associées à l'héritage du partage Salesforce. Tous les utilisateurs qui ont accès au récit peuvent afficher ses résultats. Ils n'ont pas besoin du même niveau d'accès à la ligne que le créateur du récit. Auparavant, l'autorisation « Ignorer le prédicat lors de la création d'un récit à partir d'un jeu de données » était requise. Elle est désormais dépréciée dans la version Winter ‘20.

Personnalisation de la présentation des prédictions Einstein Discovery dans les pages d'enregistrement Lightning Experience

Personnalisez la présentation des prédictions Einstein Discovery incorporées dans les pages d'enregistrement Lightning. Pour des modèles de régression logistique (problèmes de classification binaire), spécifiez les étiquettes affichées lorsque la prédiction est supérieure ou inférieure au seuil du modèle. Exemples : gain ou perte, rétention ou attrition, etc. Filtrez les recommandations d'amélioration d'une prédiction. Définissez le nombre maximal de recommandations ou affichez les recommandations qui impactent le résultat par un pourcentage minimum.

Obtention de prédictions Einstein dans le code Apex

Après avoir déployé des modèles avec Einstein Discovery, utilisez la méthode ConnectApi.SmartDataDiscovery.predict pour obtenir des prédictions sur des objets Salesforce dans votre code Apex.

Retrait de Einstein Discovery Classic

Nous prévoyons de retirer Einstein Discovery Classic de la version Spring ’20. Actuellement, les utilisateurs de Einstein Discovery Classic doivent détenir la licence Einstein Analytics Plus (requise pour Einstein Discovery dans Analytics) pour pouvoir recréer des jeux de données et des récits dans Analytics Studio. Einstein Discovery Classic sera remplacé par la nouvelle expérience dans toutes les organisations Developer avec la version Winter ’20.

Personnalisation

Filtrage par comparaison dans le Générateur de prédiction Einstein

Au lieu de filtrer uniquement sur des valeurs de champ absolues, vous pouvez désormais filtrer sur la valeur d'un champ par rapport à la valeur d'un autre champ ou d'une autre période. Définissez une logique de filtrage plus significative et pertinente pour votre question de prédiction.

Appel de flux lancés automatiquement depuis vos recommandations Next Best Action

Aidez vos agents de service à agir rapidement. Appelez un flux lancé automatiquement pour mettre à jour des enregistrements ou envoyer un e-mail en arrière-plan via une recommandation.

Création de modèles de stratégie et protection des stratégies en tant que votre propriété intellectuelle

Créez des modèles de stratégie que vos abonnés peuvent personnaliser et développer. Partagez-les dans des packages gérés que vous publiez sur AppExchange. Un package géré peut contenir des modèles de stratégie et des stratégies protégées par votre propriété intellectuelle (PI). Les abonnés peuvent ouvrir un modèle dans le Générateur de stratégie et le cloner pour l'adapter à leur propre usage. Les stratégies qui ne sont pas marquées comme modèles sont protégées par la propriété intellectuelle et ne peuvent pas être modifiées ni clonées. Vous pouvez mettre à niveau des modèles de stratégie et des stratégies protégées par la propriété intellectuelle dans le cadre d'une mise à niveau de package. Lorsque vous envoyez automatiquement (push) des mises à niveau à des modèles de stratégie, vous n'affectez pas les copies des abonnés.

Annulation et répétition de votre travail lors de la création de stratégies

Des accidents peuvent se produire lorsque vous créez des stratégies. Vous pouvez désormais aisément défaire et refaire une modification, par exemple la suppression d'un élément par erreur ou le déplacement d'un élément d'une branche à une autre.

Simplification de la création d'expressions pour des branches dans le Générateur de stratégie Next Best Action

Accélérez la création de stratégies précises en utilisant l'élément Sélecteur de branche pour raccorder des recommandations. Il n'est plus nécessaire de saisir manuellement des valeurs de liste de sélection. Désormais, vous sélectionnez les valeurs et Next Best Action remplit l'expression pour vous.

Saisie du titre de vos recommandations pour faciliter l'identification

Nous avons ajouté des titres à la liste des attributs que vous pouvez afficher pour une recommandation dans le composant Lightning Next Best Action dans le Générateur d’applications Lightning ou les communautés. Ajoutez un titre à une recommandation pour aider votre agent ou utilisateur à l'identifier.

Affichage de recommandations dans la page d'accueil de votre application

Ajoutez le composant Lightning Next Best Action à la page d'accueil d'une application pour afficher une série de recommandations agrégées. Vous pouvez par exemple présenter à un agent la liste des principaux comptes à suivre après un nombre de jours spécifique passé depuis le dernier contact.

Développement

Einstein Vision : nouveaux champs language et algorithm

La réponse aux appels de l'API Einstein Vision, qui renvoie des informations sur le modèle, contient désormais les champs language et algorithm.

Einstein Language : nouveaux champs language et algorithm

La réponse aux appels de l'API Einstein Language, qui renvoie des informations sur le modèle, contient désormais les champs language et algorithm.

Élaboration de meilleures prédictions avec les connaissances

Examiner les détails de la logique sur laquelle reposent les prédictions Einstein à l'aide des objets de connaissances. Lorsqu'une fonctionnalité Einstein, par exemple le Générateur de prédiction Einstein, établit une prédiction et enregistre les résultats, un enregistrement AIRecordInsight et plusieurs enregistrements enfants associés sont créés. Utilisez ces enregistrements pour comprendre comment les prédictions Einstein sont établies et appliquez une logique personnalisée une fois les prédictions enregistrées afin de les améliorer et de les personnaliser.